Feasibility and Effectiveness of a Computer-Assisted Instructional System Implemented by Teachers for Students on the Autism Spectrum With Intellectual Disabilities in China
Notice bibliographique
Résumé
The purpose of this study was to evaluate the feasibility and effectiveness of computer-assisted instruction (CAI) implemented by special education teachers in a school setting in China. Feasibility was evaluated by procedural fidelity of teacher implementation and a social validity questionnaire. Effectiveness was measured by the acquisition of bidirectional naming through multiple exemplar instruction implemented in CAI for students on the autism spectrum with intellectual disabilities. Bidirectional naming is a key ability in early language development that allows children to expand their knowledge through incidental learning (Greer et al., 2011). Three students on the autism spectrum with intellectual disabilities (7 years of age; 1 female, 2 males) and their teachers (27–29 years of age; female) participated in this study. Using a single-case design--multiple probes across participants with pre- and post-assessments, all three students demonstrated improvements at post-instruction bidirectional naming assessments. Teachers implemented CAI with a high level of fidelity; they gave it high ratings for acceptability and feasibility. They were satisfied with CAI and student learning outcomes. All three students reported that they enjoyed learning with CAI. The implications and potential utilities of incorporating CAI in special education classrooms in China are discussed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».